מחקר זה אושר על ידי ועדת האתיקה של בית החולים המסופח הראשון של אוניברסיטת הרפואה הסינית של ז'ג'יאנג (מספר אישור 2020-KL-072-01). בשל אופיו הרטרוספקטיבי של המחקר והשימוש ברשומות רפואיות קיימות, היתרה הדרישה להסכמה מדעת. סודיות המטופלים נשמרה לאורך כל תהליך חילוץ הנתונים והניתוח, ורק מידע אנונימי שימש למטרות מחקר.
מקור נתונים
רשומות רפואיות של מטופלים שאובחנו עם AE-IPF שטופלו על ידי פרופסור Xu בבית החולים המחוזי של Zhejiang לרפואה סינית מסורתית מספטמבר 2019 עד דצמבר 2020 נסקרו רטרוספקטיבית. בסריקה ראשונית זוהו 96 מטופלים עם AE-IPF. לאחר החלת קריטריוני ההכללה וההחרגה שהוגדרו מראש, נכללו 42 מטופלים מתאימים, והתקבלו 84 מרשמי תרופות צמחים סיניות מלאים לצורך ניתוח כריית נתונים לאחר מכן. 84 המרשמים נגזרו מ-42 מטופלים, כאשר כל מרשם ייצג התאמה קלינית עצמאית המבוססת על בידולי תסמונות (syndrome differentiation) ושיקפה החלטות מרשם מהעולם האמיתי במהלך תקופת הטיפול ב-AE-IPF. כל מרשם נחשב כיחידה אנליטית עצמאית, וכל המרשמים נגזרו מפרקטיקה קלינית בעולם האמיתי במהלך שלב ההחמרה החריפה. קריטריונים לאבחנה: האבחנה של AE-IPF נקבעה על בסיס הקריטריונים האבחנתיים למחלות ריאה אינטרסטיציאליות שפורסמו על ידי ה-European Respiratory Society (ERS) וה-American Thoracic Society (ATS) בשנת 201815, וכן על פי הקונסנזוס של המומחים הסינים לאבחנה וטיפול בהחמרה חריפה של פיברוזיס ריאתי אידיופתי שנוסח על ידי קבוצת מחלות ריאה אינטרסטיציאליות של ה-Chinese Thoracic Society16. קריטריוני ההכללה כוללים: עמידה בקריטריונים האבחנתיים ל-IPF ונמצאות בשלב ההחמרה החריפה; עמידה בקריטריונים האבחנתיים ל-AE-IPF לפי תיאוריית השלבים של פרופסור Xu לטיפול ב-IPF, כאשר בידולי תסמונות של TCM זוהו כחסימת ריאה עקב ליחה-חום (phlegm-heat) או חסימת ריאה עקב ליחה-לחות (phlegm-dampness); חוויה של החמרה נשימתית טיפוסית או הידרדרות חריפה בתוך חודש אחד; בדיקת CT ברזולוציה גבוהה (HRCT) החשופה עכירות של זכוכית מט (ground-glass opacities) חדשה או קונסולידציות המתווספות לרשתות או למבני חלת דבש קיימים; היעדר זיהום ריאתי מאומת. קריטריוני ההחרגה כוללים מטופלים עם מחלות ראשוניות חמורות כגון הפרעות קרדיווסקולריות וסרברווסקולריות, מחלות של מערכת ההמטופואזה, או מחלות פסיכיאטריות; מטופלים עם סיבוכים של מחלת לב ריאתית או אי-ספיקה נשימתית; נשים בהריון או מניקות, ואלו עם אלרגיה ידועה לכל רכיב של התרופה בניסוי; מטופלים עם היענות נמוכה (חוסר יכולת לעבור טיפול כנדרש, או הפסקת טיפול מרצון).
מכיוון שזה היה מחקר תצפיתי רטרוספקטיבי שהתבסס על רשומות רפואיות קיימות, רנדומיזציה וסמיות לא היו רלוונטיות. עיצוב המחקר התמקד בזיהוי דפוסי מרשמים ולא בהערכת יעילות הטיפול. לפיכך, תוצאים קליניים כגון שיעור שיפור בתסמינים, משך האשפוז ונקודות סיום שהוגדרו מראש לא נותחו במחקר כריית נתונים זה.
סטנדרטיזציה של מינוח ברפואה עשבית סינית
הנומנקלטורה של תרופות צמחים תוקננה בהתאם ל-Chinese Pharmacopoeia (מהדורת 2015)17 ולמהדורה השנייה של ה-Chinese Materia Medica (מהדורת המאה החדשה)18. כל צמח הומר לפורמט מקודד מאוחד לפני הניתוח הסטטיסטי. מילים נרדפות שונות, צורות עיבוד ווריאציות בשמות אזוריים המתייחסים לאותו חומר רפואי מוזגו לרשומה סטנדרטית אחת. מערך הנתונים המתוכנן הסופי נסקר באופן עצמאי על ידי שני חוקרים לפני ייבואו לפלטפורמת הניתוח. חומרים רפואיים ללא שיטות עיבוד מוגדרות - כגון white peony root, white atractylodes rhizome, ו-Ephedra - תועדו בצורתם הגולמית. עבור צמחים בעלי שמות מרובים שאינם משפיעים על יעילותם או על ההתוויות שלהם, הוחל סטנדרט שמיים מאוחד.
הזנת מרשם ואימותו
התרופות שנסקרו הוזנו לפלטפורמה ממוחשבת לניתוח מרשמים ומסורת של הרפואה הסינית המסורתית לצורך ניתוח כריית נתונים לאחר מכן. כדי להבטיח שלמות ודיוק, הוטמע נוהל סטנדרטי לניהול נתונים. שני חוקרים עצמאיים ביצעו חילוץ והזנת נתונים בנפרד, ואי-התאמות נבחנו ונפתרו על ידי קלינאי בכיר עם יותר מ-15 שנות ניסיון ברפואת נשימה ובפרקטיקה של TCM. המידע שחולץ מהמרשמים נבדק מול הרשומות הרפואיות האלקטרוניות המקוריות. רשומות עם מרכיבי מרשם חסרים, שמות צמחים לא ברורים או מידע תרופתי שאינו עקבי הוצאו מהניתוח. דפוסי מרשמי התרופות נבחנו באמצעות פונקציות ניתוח מקרי בוחן רפואיים וניתוח מרשמים של פלטפורמת כריית הנתונים.
תהליך עבודה של כריית נתונים והערכת תוצאות
תהליך העבודה האנליטי הכולל כלל ארבעה שלבים רצופים. ראשית, נתונים סטנדרטיים של מרשמים יובאו לפלטפורמת כריית הנתונים הממוחשבת של הרפואה הסינית המסורתית. שנית, בוצע ניתוח תדירות כדי לזהות צמחים נפוצים, כאשר תדירות הצמחים ותדירות היישום המצטברת נחשבו למדדי התוצאה העיקריים. שלישית, נערך ניתוח של חוקי אסוציאציה המבוסס על אלגוריתם Apriori כדי לזהות שילובי צמחים מרכזיים, תוך שימוש בערכי תמיכה (support) וביטחון (confidence) כמדדים להערכה כמותית. לבסוף, בוצע ניתוח אשכולות מבוסס אנטרופיה כדי להפיק פורמולות חדשות פוטנציאליות, והשילובים שהופקו פורשו בהתאם לתאוריית ה-TCM ולראיות פרמקולוגיות קודמות.
מאחר שמטרת מחקר זה הייתה לזהות דפוסי מרשמים ולא להשוות את השפעותיהם של התערבויות, סטטיסטיקה קונבנציונלית של בדיקת השערות לא הייתה רלוונטית. בוצעו ניתוחים סטטיסטיים תיאוריים כדי לסכם את שכיחות הצמחים ואת הקטגוריות הטיפוליות. חוסנו של כללי ההתאמה הוערך באמצעות מדדים כמותיים מרובים, כולל תמיכה (support), ביטחון (confidence) ו-lift. התמיכה שיקפה את שכיחות ההופעה של שילובי צמחים, הביטחון ייצג את ההסתברות המותנית בין צמחים קשורים, וערכי lift הגבוהים מ-1 הצביעו על מתאמים חיוביים מעבר להופעה משותפת מקרית. פרמטרים כמותיים אלו שימשו להערכת החוזק והאמינות של דפוסי המרשמים שזוהו. חוזק ההתאמה הוערך כמותית באמצעות ערכי תמיכה, ביטחון ו-lift, בעוד שפרמטרי אשכול (clustering) מבוססי אנטרופיה שימשו לזיהוי שילובי פורמולות פוטנציאליים.
ניתוח תדירות צמחי מרפא
שכיחות הצמחים הוגדרה כמספר המופעים המצטבר של כל צמח בכל 84 המרשמים. ניתוח השכיחות בוצע באמצעות Excel PivotChart כדי לדרג את הצמחים לפי סך המופעים שלהם, והצמחים בעלי השכיחות הגבוהה ביותר רוכזו ברשימת צמחים שכיחים. בהתבסס על תוצאות שכיחות אלו, ניתחנו בהמשך את התכונות הרפואיות של הצמחים, כולל ארבעת הטבעים (קר, חם, חמים, קריר), חמישה טעמים (חמוץ, מר, מתוק, חריף, מלוח) ונטייה למרידיאנים (למשל, מרידיאנים של הריאה והטחול), כדי לסכם את מאפייני המרשם הכלליים ואת עקרונות ההתאמה מנקודת המבט של תיאוריית התכונות של ה-TCM.
ניתוח כללי למתן תרופות במרשם
ניתוח חוקי אסוציאציה בוצע באמצעות אלגוריתם Apriori בתוכנת IBM SPSS Modeler. כל מרשם נחשב כ- “עסקה” וכל עשב כ- “פריט” שילובי תרופות בתדירות גבוהה והקשרים הפנימיים ביניהם נבחנו באמצעות ניתוח רשתות מורכבות. הפרמטרים המרכזיים הוגדרו מראש לפני הניתוח. סף התמיכה המינימלי נקבע ל-50 מרשמים, כדי להבטיח שרק שילובי צמחים שנצפו בתדירות גבוהה יישמרו. כיוון שסט הדאטה כלל 84 מרשמים, תדירות התמיכה המוחלטת לא יכלה לעלות על 84 מופעים. סף הביטחון (confidence) נקבע ל-0.8, כלומר כאשר צמח A הופיע, ההסתברות להופעה משולבת של צמח B עלתה על 80%, ובכך הובטחה המהימנות של כללי ההסקה שהופקו. עם זאת, כיוון שהביטחון הוא אסימטרי ועשוי להיות מושפע מתדירות הבסיס של הצמח התוצאתי, חושבו בנוסף ערכי lift כדי לקבוע האם ההופעה המשולבת שנצפתה עלתה על ציפיות אקראיות. ערך lift הגבוה מ-1 העיד על קשר חיובי, ערך השווה ל-1 העיד על אי-תלות, וערך הנמוך מ-1 העיד על קשר שלילי. כללים שעמדו בקריטריונים של תמיכה ≥50, ביטחון ≥0.80 ו-lift >נחשבו למשמעותיות ונשמרו לצורך פרשנות. הכללים שנשמרו יוצאו ודורגו לפי ערכי תמיכה (support), ביטחון (confidence) ורווח (lift), כדי לסכם באופן שיטתי את שילובי הצמחים המרכזיים ואת דפוסי התאימות הפוטנציאליים עבור AE-IPF.
ניתוח נוסחה חדשה
לאחר מכן, נערך ניתוח של פורמולות חדשות באמצעות שיטת קיבץ אנטרופיית מערכות מורכבות. ניתוח זה בוצע באמצעות פלטפורמת כריית נתונים ממוחשבת של הרפואה הסינית המסורתית. ראשית, באמצעות מטריצת נתוני פורמולה-צמח שנבנתה בעבר, הגדרנו את דרגת המתאם ל-8 כדי לשלוט במספר ובלכידות של שילובי צמחי ליבה, ואת דרגת הקנס ל-2 כדי להגביל את עוצמת השיוך, ובכך להבטיח את הרציונליות הקלינית של השילובים שהופקו. לאחר הגדרת הפרמטרים, הופעלה בתוכנה פונקציית “Extract Combinations” כדי לזהות באופן אוטומטי שילובי ליבה סמויים בעלי מתאם גבוה בין צמחים, בהתבסס על שיטת מידע הדדי משופרת ואלגוריתם קיבץ אנטרופיה מורכבת. לאחר מכן, הפלטפורמה ביצעה קיבץ ואינטגרציה נוספים של שילובי ליבה אלו כדי להפיק בסופו של דבר פורמולות חדשות פוטנציאליות לטיפול ב-AE-IPF. אמינותם של שילובי הליבה והפורמולות המועמדות שהופקו הוערכה באמצעות שלוש גישות: הערכת עקביות מול תוצאות של צמחים בשכיחות גבוהה; השוואה לעקרונות טיפוליים קלאסיים של הרפואה הסינית המסורתית ל-AE-IPF; ופרשנות המבוססת על מנגנונים פרמקולוגיים שדווחו בעבר עבור צמחים מייצגים. הליכים אלו שימשו כגישות תיקוף פנימיות כדי לשפר את הפרשנות הקלינית של דפוסי המרשמים שזוהו.